群益API 看盤程式越跑越慢?資料分三類放,先量再改
看盤程式剛開時很順,開了一兩個小時,報價跳動開始慢半拍。換一檔商品,K 線又要重抓一次。我們遇到的這個問題,原因不在群益API,而是程式每來一筆報價就做了太多事。
群益API 看盤程式的效能做法,我們整理成兩個原則:資料依「舊值還有沒有用、重抓或重算貴不貴」分三類放;遇到越跑越慢,先加分段計時找出隨時間變慢的那一段,再動手改。
本文是我們開發看盤程式的實作經驗。程式是 C# 桌面程式,文中的數字都來自它的測試環境,不是實盤量測;做法本身不綁語言,範例用 Python 示意。

目錄
群益API 看盤程式的資料該放哪?分三類
判斷一筆資料放哪,只問兩件事:舊值還有沒有用?重抓或重算貴不貴?
| 類別 | 適用的資料 | 我們的做法 |
|---|---|---|
| 只傳不存 | 報價快照、五檔、時鐘 | 新的蓋舊的;同一檔商品在同一批只留最後一筆 |
| 記憶體快取 | 各商品的分 K、日線與週線、指標結果 | 設上限,最近最少用到的先淘汰;分 K 保留最近 10 檔商品 |
| 磁碟暫存 | 分 K 快取檔、記錄檔、壞掉的快取檔 | 設保留期限並自動清理:記錄檔 14 天、壞掉的快取檔 7 天,分 K 快取檔也有保留期限 |
- 報價只傳不存。 報價的舊值馬上就沒用了。同一檔在一批裡來了 10 筆,畫面只需要最後一筆,前 9 筆不用處理。
- K 線放記憶體快取。 重抓 K 線要等群益回補,成本高;換回剛看過的商品時,直接從快取拿。
- 磁碟暫存一定要有清理。 只寫不刪的快取檔與記錄檔會一直累積。記憶體與磁碟一直漲的排查方法,見〈群益API 程式開久了記憶體與磁碟一直漲?〉。
群益API 的呼叫放在哪條執行緒?我們的分工
我們的程式把所有群益呼叫放在 UI 執行緒,群益事件的處理也在同一條執行緒。這是我們程式的設計,不是元件的限制;群益事件跑在哪個執行緒,見〈群益API 事件回呼跑在哪個執行緒?〉。
在這個前提下,我們的分工是:
- 事件處理只做一件事:放進佇列。 不在事件裡計算、畫圖或寫檔。
- 計時器每 50 毫秒取出佇列處理一次;量大的佇列每輪有上限(筆數或 20 毫秒),用完就留到下一輪。
- 讀寫快取檔、組出要存檔的內容、寫記錄、清理舊檔,一律搬到背景執行緒;群益呼叫仍留在 UI 執行緒。
背景讀檔有一個陷阱:檔案讀回來時,使用者可能已經換到別的商品了。每次請求帶一個序號,讀回來時序號不是最新的,就直接丟棄。
class KLineLoader:
def __init__(self):
self.seq = 0
def request(self, stock_no):
self.seq += 1
return self.seq # 交給背景讀檔,讀完連同序號一起送回
def on_loaded(self, seq, stock_no, bars):
if seq != self.seq: # 使用者已經換商品,這份結果過期了
return
draw(stock_no, bars)draw 代表你自己的繪圖函式。
群益API 看盤程式越跑越慢,怎麼找原因?
先量,不要猜。 我們的做法:
- 在處理流程的每一段加計時,例如解析報價、更新統計、更新畫面。
- 每分鐘把各段的累計耗時寫一行記錄。
- 比較剛開程式時與開了一段時間後的記錄,找出耗時隨連線時間成長的那一段。
我們用這個方法找到的原因是價差統計。原本的寫法是每來一筆報價,就把 30 分鐘內的所有價差樣本複製一份、排序、取中位數。樣本越多,每一筆的計算就越慢。
每筆報價都排序太慢,中位數怎麼算?
改法是不排序樣本,而是記錄「價差值 → 出現次數」。中位數只要依價差值由小到大累加次數,找到過半的那個值就好。平均則用累計總和除以筆數,不必每次重加。並另設樣本數上限。
import bisect
from collections import Counter, deque
class SpreadStats:
"""價差統計:用「價差值 -> 次數」算中位數,不必每來一筆就排序"""
def __init__(self, window_sec=1800, max_samples=100000):
self.window_sec = window_sec # 統計視窗:30 分鐘
self.max_samples = max_samples # 樣本上限
self.samples = deque() # (時間, 價差),依時間先後
self.counts = Counter() # 價差值 -> 次數
self.keys = [] # 出現中的價差值,保持由小到大
self.total = 0 # 價差累計總和,算平均用
def add(self, t, spread):
self.samples.append((t, spread))
self._change(spread, 1)
# 移除超出視窗或超過上限的舊樣本
while self.samples and (t - self.samples[0][0] > self.window_sec
or len(self.samples) > self.max_samples):
_, old = self.samples.popleft()
self._change(old, -1)
def _change(self, v, d):
if d > 0 and self.counts[v] == 0:
bisect.insort(self.keys, v)
self.counts[v] += d
self.total += v * d
if self.counts[v] == 0:
del self.counts[v]
self.keys.remove(v)
def median(self):
"""下中位數:樣本數為偶數時,取中間兩個裡較小的那個"""
n = len(self.samples)
if n == 0:
return None
half = (n - 1) // 2
seen = 0
for v in self.keys: # 依價差值由小到大累加次數
seen += self.counts[v]
if seen > half:
return v
def mean(self):
n = len(self.samples)
return self.total / n if n else None這段 Python 範例我們用 20,000 筆隨機價差逐筆比對過:每一筆的中位數都和 Python 標準函式庫 statistics.median_low 對排序後資料算出的結果相同,平均也相同。
驗證效能要用測試鎖住。 我們在 C# 程式的測試裡模擬 20 萬筆報價,每 1 萬筆量一段耗時:舊做法後段明顯比前段慢,越跑越慢;新做法跑完 20 萬筆,各段耗時持平。
群益API 看盤程式還有哪些小地方會累積?
單一處的浪費不大,但每筆報價都做一次,就會累積成延遲。我們改過的地方:
| 地方 | 原本 | 改成 |
|---|---|---|
| 五檔價位表 | 每次逐格清空再重填 | 只寫值有變的格子,寫入次數降約 99% |
| 庫存損益表 | 每筆報價都重建整張表 | 最多每 300 毫秒合併更新一次,並確保最後一筆價格會畫出來 |
| 交易時段設定檔 | 每次查詢都重讀、重新解析 | 依檔案修改時間快取,檔案沒變就不重讀 |
| 記錄視窗 | 超過上限時整個清空重設,畫面會停頓 | 只刪最前面一段 |
調整更新間隔時也是先量再改。縮短五檔價位表的更新間隔前,我們先單獨量測一次重畫的耗時:600 次的 p95 是 0.74 毫秒,低於我們設定的 5 毫秒標準,才把間隔縮短為 100 毫秒。
比較改前改後,要在同一次執行、同一個條件下對照。 我們比較快取的效果時,就是在同一次執行裡,把開快取與關快取的耗時放在一起比,不拿不同時間量到的毫秒數互相比較。
群益API 海外期貨 K 線怎麼判斷收完?
國內報價有回補完成的事件,海外期貨(以下簡稱海期)沒有。官方手冊國內報價章節的事件表列有「歷史KLine回補完成 | OnKLineComplete」;海期報價章節的事件表,K 線只有一列「K線資料 | OnKLineData」,章節內沒有 OnKLineComplete。
所以我們的程式判斷海期 K 線收完的方式,是一段時間沒有新資料進來,就判定為收完。國內 K 線的取法見〈群益API 歷史 K 線怎麼取?〉。
這個做法搭配前面的分類:海期 K 線收完後放進記憶體快取與磁碟暫存,換回同一檔商品時,就不必再等一次。
群益API 看盤程式效能的 4 個誤解
- 誤解: 看盤程式變慢是群益API 變慢。其實: 我們找到的原因是程式每筆報價都排序;改掉之後,20 萬筆模擬報價的處理耗時持平。
- 誤解: 快取越多越好。其實: 記憶體快取要設上限,磁碟暫存要設保留期限並自動清理,否則會一直累積。
- 誤解: 報價每一筆都要處理。其實: 報價只傳不存,同一檔在同一批只留最後一筆。
- 誤解: 量到的毫秒數可以直接比。其實: 機器負載會讓絕對數字漂動,改前改後要在同一次執行、同一個條件下對照。
常見問題
群益API 看盤程式開久了越來越慢,先從哪裡查?
在處理流程的每一段加計時,每分鐘寫一行記錄,找出耗時隨連線時間成長的那一段。我們找到的是價差統計每筆報價都排序。
報價資料要不要存起來?
我們的做法是只傳不存:報價快照與五檔是新的蓋舊的,同一檔在同一批只留最後一筆。K 線才放記憶體快取與磁碟暫存。
群益API 海外期貨 K 線有回補完成的事件嗎?
官方手冊海期報價章節的事件表,K 線只有 OnKLineData,沒有國內報價的 OnKLineComplete。我們的程式用「一段時間沒有新資料」判斷收完。
背景讀檔回來時,使用者已經換商品了怎麼辦?
每次請求帶一個序號,讀回來時序號不是最新的就丟棄。
風險揭露
期貨與選擇權屬高槓桿商品,價格波動可能造成超過原始保證金的損失,交易人須自負交易責任。本文為程式開發技術教學,分享看盤程式的效能做法,不構成投資建議,也不保證任何交易結果。
投資人教育資源
| 機構 | 資源 |
|---|---|
| 臺灣期貨交易所(TAIFEX) | 期貨及選擇權數位學習網 |
| 證券暨期貨市場發展基金會 | 證券期貨市場教育推廣 |
| 金融智慧網 | 金管會金融知識平台 |
| 中華民國期貨業商業同業公會 | 期貨業法規與宣導 |
| 證券投資人及期貨交易人保護中心 | 投資人保護與申訴 |
延伸閱讀
- 〈群益API 事件回呼跑在哪個執行緒?〉——回呼裡不能做的事。
- 〈群益API 程式開久了記憶體與磁碟一直漲?〉——排查方法與元件 log 的處理。
- 〈群益API 報價停止更新怎麼辦?〉——單一商品停格的偵測。
- 〈群益API 歷史 K 線怎麼取?〉——兩個請求函式的差別。
參考資料
- 海期報價章節的事件表(
OnKLineData)、國內報價章節的事件表(OnKLineComplete):依群益官方元件說明文件。 - 20 萬筆模擬報價、價位表寫入降約 99%、價位表重畫 p95 0.74 毫秒(單獨量測):我們 C# 桌面程式 2026-11 的測試環境紀錄,非實盤量測。
- 價差統計的 Python 範例:本文撰寫時以 20,000 筆隨機資料,與
statistics.median_low逐筆比對。
免責聲明
本文章僅作為群益API實作經驗分享,不構成投資建議,且策略及程式皆應自行撰寫。期貨及衍生性金融商品交易屬高風險投資,請謹慎評估自身風險承擔能力。







